标签
本文发现，基于API和聊天机器人界面等访问模式，大型语言模型在健康建议输出上存在系统性差异，这削弱了评估的有效性。它呼吁模型提供商启用对消费者体验的忠实复制，以进行严格审计。
VeryTrace 是一种零样本验证与修复框架，它将大语言模型的推理轨迹通过领域特定语言形式化为可编译表示，从而通过确定性检查与大语言模型审计的混合方式实现步骤级错误定位。该框架在数学、机器人学和关系推理等多个领域提升了准确性，且无需领域特定训练。